P.176 Latent home time trajectories for isolated moderate to severe traumatic brain injury survivors: a data-driven method identifies distinct outcome phenotypes
Notice bibliographique
Résumé
Background: Traumatic brain injury (TBI) patients exhibit variable post-injury recovery trajectories. Days at Home (DAH) is a patient-centered measure that captures healthcare transitions and offers a more nuanced understanding of recovery. Here, we use DAH to characterize longterm recovery trajectories for moderate to severe TBI (msTBI) survivors. Methods: This multicenter retrospective cohort study utilized population health data from Ontario to identify adults sustaining isolated msTBI hospitalized between 2009-2021. DAH were calculated in distinct 30-day intervals from index admission to 3 years post-injury; latent class mixed modeling identified unique recovery trajectories and trajectory attributes were quantified. Results: There were 2,510 patients eligible for latent class analysis. Four DAH trajectories were identified: early recovery (69.9%), intermediate recovery (11.4%), late recovery (2.9%), and poor recovery (15.8%). Patients in the poor recovery group were older, more frail, and had lower admission GCS scores, while those in early recovery exhibited lower acute care needs. Intermediate and late recovery groups exhibited protracted transitions home, with near-complete reintegration by 24 months. A prediction model distinguished unfavorable trajectories with good accuracy (C-index=0.824). Conclusions: Despite high initial institutional care requirements, 85% of patients reintegrated into the community within three years of msTBI. These findings shed light on post-injury care requirements for brain-injured patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».